@wywy1995 虽然你的原作有些许瑕疵，但依旧难掩思想的熠熠光辉

很牛,为您点赞.

论坛双剑合璧，绝逼点赞克隆收藏

克隆认真学习！

克隆学习。

辛苦老师，值得学习。

有大神优化，不吝积分

大神出手，一次可以学习策略思路和代码优化，非常难得。关于个股斜率的算法非常新颖，我略微修改成一个def方便调用： #包含stat_date以及之前共计N交易日的strf列表recent_days_list def xielv(context,stock_list): current_data = get_current_data() for stock in stock_list: recent_days_list = [] N = 20 i= 0 while i < N: shiftday_index = list(get_all_trade_days()).index(context.previous_date) - i after_shift_date = list(get_all_trade_days())[shiftday_index].strftime('%Y-%m-%d') recent_days_list.append(after_shift_date) i += 1 recent_days_list.reverse() #在recentdays中的MA_N对时间序列的斜率 MA_N_list = [] for recent_date in recent_days_list: MA_N = MA(stock, recent_date, timeperiod=N) MA_N_list.append(MA_N[stock]) MA_N_list = [i-MA_N_list[0] for i in MA_N_list] #截距归零 X = list(range(len(MA_N_list))) Y = MA_N_list model = sm.OLS(Y, X) coef = round(model.fit().params[0]*100, 1) # print('coef',coef) if coef < -2: if stock in stock_list: # print('{}下降趋势明显，切勿开仓'.format(stock)) # log.info('%s 下降趋势明显，切勿开仓'%current_data[stock].name) stock_list.remove(stock) return stock_list 注意需要先import 另外一个思考，既然是基本面选股，那么如果用斜率计算，应该避免买入涨幅过高的股票，毕竟好公司好价格才是好股票。把原文的< -2 改为 -10 和 10之间，避免买入涨幅过大或跌幅过大的股票，其余交给因子去发挥。2015年至今收益及最大回撤都有所改善，夏普也有提升。

@jqz1226 @wywy1995 wywy1995大作中的回测时间，2015-1-31至2022-9-28， 原作70分钟，蒋老师新作8分钟； 策略收益： 策略收益 策略年化收益 超额收益 基准收益 57335.19% 44.78% 19675.87% 190.43% 124255.39% 51.45% 42717.59% 190.43% 收益有些不一样，是否是这里？ 关于三种策略选股后，合并，取小市值， 在@wywy1995原作中：先各取出前5名，然后合并 sg_list = all_list[0][:5] ms_list = all_list[1][:5] peg_list = all_list[2][:5] union_list = list(set(sg_list).union(set(ms_list)).union(set(peg_list))) 蒋老师的作品中，先合并，再选取前100名 union_list = list(set(sg_list).union(set(ms_list)).union(set(peg_list))) union_list = sorted_by_circulating_market_cap(union_list, 100)

不好意思，在这里看到了，只选前5. def sorted_by_circulating_market_cap(stock_list, n_limit_top=5): q = query( valuation.code, ).filter( valuation.code.in_(stock_list), indicator.eps > 0 ).order_by( valuation.circulating_market_cap.asc() ).limit( n_limit_top ) return get_fundamentals(q)['code'].tolist()

厉害！采用大概66%的资金，以降低回撤，年化也有35%。 把资金使用逻辑改成了总资金的1/15。 position_count = len(context.portfolio.positions) target_num = min(len(set(target_list).union(set(context.portfolio.positions))), g.stock_num) if target_num > position_count: value = (target_num / g.stock_num) * context.portfolio.available_cash / (target_num - position_count) ** value = context.portfolio.total_value / 15** for stock in target_list: if stock not in context.portfolio.positions: if open_position(stock, value): if len(context.portfolio.positions) >= g.stock_num: break 

向大神们学习，感谢分享！

@子匀 我也是这个疑问，被你解答了哈哈哈，这就是因子的并联和串联的使用方法。

大师厉害，学习学习

感谢老师的极速版，但我回测这两个策略，就从今年1月1到9月30，回测收益并不一样，总交易次数也不同，从2月底就开始不一致了。不过都是正收益，相当不错了。

@美吉姆优秀毕业代表 你发的回测中没有斜率

去掉斜率限制收益直接翻倍……果然风险与收益同步。

@美吉姆优秀毕业代表 斜率限制因为之前那个代码问题导致我选的参数也有问题，修正后调了参数收益也没显著提高，所以去掉完全可以。

@jqz1226 if stock not in g.hold_list这里和下面的if (stock not in target_list)出现重复验证了，可以去掉一个的 for stock in target_list: MA_N_Arr = h_ma[stock].values MA_N_Arr = MA_N_Arr - MA_N_Arr[0] # 截距归零 slope = round(sm.OLS(MA_N_Arr, X).fit().params[0] * 100, 1) remove_it = False if slope < -2: if stock not in g.hold_list: print('{}下降趋势明显，切勿开仓'.format(stock)) remove_it = True if not remove_it: tmp_target_list.append(stock) # target_list = tmp_target_list # 调仓 for stock in g.hold_list: if (stock not in target_list) and (stock not in g.high_limit_list): log.info("卖出[%s]" % stock) position = context.portfolio.positions[stock] close_position(position) else: log.info("已持有[%s]" % stock)